大模型如何助力推荐系统优化 - 飞书文档
https://docs.feishu.cn/v/wiki/WejVwP7L1iYrlUkEWZHczTvnnkb/a1蘑菇先生学习记｜阅读原文转载请联系原作者取得授权导读来自华为诺亚方舟实验室的王奕超老师今天给我们带来了关于大语言模型在推荐系统中的探索与应用的分享， ...
飞搜侠
热门搜索
大模型与推荐系统融合的难点及优化 - 飞书文档
https://docs.feishu.cn/v/wiki/WowdwdpR2iKhL6k6GPqcuEE4nHf/a8影响推荐系统的因素. 大模型具有涌现能力和泛化能力。涌现能力是指大模型能够从数据中学习到复杂的规律，而泛化能力是指大模型能够在未见数据上表现良好。 ... 算法是推荐系统 ...
大模型如何提升推荐系统表现 - 飞书文档
https://docs.feishu.cn/v/wiki/YE0iwT6NniaWwlkPHDBc5ZVxnVd/a2一文梳理推荐系统如何应用大模型 ... 大家好我是蘑菇先生。 ... 下面会围绕： **背景和问题**、 **何处运用大语言模型**(特征工程、特征编码、打分排序、流程控制，共7个代表性 ...
推荐系统与大模型结合有哪些新趋势？ - 飞书文档
https://docs.feishu.cn/v/wiki/CwvTwOfhwiHIO4kCSTfcDqUonNh/ak学习 · 奥创纪元：当推荐系统遇到大模型LLM · GPU 利用率低常见原因分析及优化 · Agent的九种设计模式(图解+代码) · 全面探究英伟达GPU SM内CUDA core-Tensor core能否同时计算？
LLM如何提升推荐系统性能 - 飞书文档
https://docs.feishu.cn/v/wiki/QZZ2wvvVuidJDTkD4bEcNpConjh/a1推荐系统是一个相对黑盒的逻辑，优化系统更多是从人角度寻找Bad Case，通过解决Bad Case，以及设立更多的AB Test来提高系统的匹配效率。 LLM对比原先的模型在Reasoning的时候 ...
LLM4Rec：当推荐系统遇到大模型 - 飞书文档
https://docs.feishu.cn/article/wiki/DMqOwfhbIi2kUlkxu0RcVaYjn2F训练&推理性能： · 生成式推荐范式：Generative Recommendation: Towards Next-generation Recommender Paradigm · 避免大模型偏见： · 大模型安全问题： · 减少大模型幻觉： ...
性能优化：Meta推荐系统的工程实践 - 飞书文档
https://docs.feishu.cn/v/wiki/WbuuwuGO3iD9Z7kRb0bc3LFvnjg/a6传统的大规模推荐系统基于海量用户行为数据，构造海量**高基数和异构特征**进行深度模型训练。尽管模型规模已经很庞大了，但如果想进一步进行scaling，则非常困难。 受到近期 ...
LLM-KERec：利用大语言模型打破推荐系统的壁垒 - 飞书文档
https://docs.feishu.cn/article/wiki/YU8JwvK5wioTfekBIAicEQQonKh专家手工互补规则或知识图谱模型虽有助于推荐互补品，但受效率和成本挑战的影响，在快速变化的电商环境下难以持续。因此，在RS中，结合高效的知识和具有人类推理和逻辑的大语言 ...
大模型推荐系统有哪些进展和未来方向？ - 飞书文档
https://docs.feishu.cn/v/wiki/LlzmwC1a2i2BhOkAQsFcOpQRnSf/as然而，大模型在推荐系统中也面临挑战，包括如何降低推理延迟和成本、如何评估推荐效果、以及如何处理数据偏见和隐私问题。未来的研究方向将包括开发更高效的模型架构、探索 ...
长文本场景下大模型推理效率如何优化？ - 飞书文档
https://docs.feishu.cn/v/wiki/K2TlwBwYhi1y9DkOBJUcnHPanxf/a9万字综述大模型高效推理：无问芯穹与清华、上交最新联合研究全面解析大模型推理优化 · **数据层优化技术： **指通过优化输入提示词或规划模型输出内容优化推理效率。 · **模型 ...